跳到正文
arXiv · 机器人与计算机视觉· Xuheng Zhang, Yiming Zhang, Jialin Gao, Hao Chen, Jiaming Liu, Ji Li, Runzhong Huang, Yinxi Wang, Chenyang Gu, Zihan Yang, Yaowei Liu, Zhonghao Yan, Ziyu Guo, Renrui Zhang, Peng Jia, Pheng-Ann Heng, Shanghang Zhang·· 8 天前精选AI 评分78

LaST0.5:一种具备交互中心潜在推理的通用世界动作模型

LaST0.5: A Generalist World Action Model with Interaction-Centric Latent Reasoning

AI 导读

论文提出了 LaST0.5 这一新型世界动作模型(WAM),旨在解决现有模型全球场景表征忽视局部机器人 - 物体交互的问题。该模型在混合 Transformer 架构中引入交互中心潜在专家,利用视觉交互线索学习紧凑的潜在空间,并通过自适应的世界到动作转移机制调整执行与重采样。

推荐理由

提出 LaST0.5,通过引入交互中心潜在空间弥合世界演化与操作生成的表征差距。

来源:arXiv · 机器人与计算机视觉 · arxiv.org